本發(fā)明專利技術(shù)涉及一種仿視覺感光層功能的圖像多強(qiáng)度邊緣檢測方法。在圖像預(yù)處理階段，為避免視覺系統(tǒng)的適應(yīng)性，對(duì)圖像采取了多方向多尺度下的移動(dòng)操作；構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)模型，根據(jù)時(shí)間窗口內(nèi)的神經(jīng)元?jiǎng)幼麟娢话l(fā)放特性，判別并實(shí)現(xiàn)神經(jīng)元之間的抑制性或增強(qiáng)性突觸連接；以移動(dòng)圖像輸入前后的感光層神經(jīng)元網(wǎng)絡(luò)響應(yīng)模式差異，獲取圖像多強(qiáng)度邊緣的檢測結(jié)果。本發(fā)明專利技術(shù)考慮神經(jīng)元突觸連接特性以及神經(jīng)元?jiǎng)幼麟娢话l(fā)放機(jī)制，模擬了視覺感光層的一些重要特性，能夠有效實(shí)現(xiàn)圖像多強(qiáng)度邊緣的檢測。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于視覺神經(jīng)計(jì)算領(lǐng)域，涉及。
技術(shù)介紹
圖像的邊緣或輪廓呈現(xiàn)出一種像素點(diǎn)灰度或亮度突變的特性，是圖像的一種重要屬性。因此邊緣檢測是圖像處理、分析和理解的前期步驟，檢測效果將直接影響到整個(gè)系統(tǒng)的性能。在實(shí)際應(yīng)用中，圖像存在著不同程度的邊緣弱化問題，例如常見的漸變色邊緣，傳統(tǒng)檢測方法對(duì)于此類邊緣的檢測效果并不理想。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)考慮到:(I)對(duì)于圖像中存在多強(qiáng)度邊緣的情形，傳統(tǒng)方法邊緣檢測的效果不理想，尤其是會(huì)丟失弱邊緣的細(xì)節(jié)點(diǎn)；而在很多應(yīng)用場合中，包含弱邊緣在內(nèi)的多強(qiáng)度邊緣卻是一種不可忽視的重要信息；(2)傳統(tǒng)方法通常從數(shù)學(xué)梯度算子的角度入手，忽視了視覺生理特性在邊緣檢測中的重要作用，檢測結(jié)果難以滿足對(duì)圖像多強(qiáng)度邊緣的視覺感知效果。因此本專利技術(shù)利用視覺感光層的一些重要神經(jīng)電生理特性，模擬感光層神經(jīng)元的脈沖發(fā)放機(jī)制，提出了，發(fā)揮視覺生理特性在圖像邊緣感知的獨(dú)特優(yōu)勢。本專利技術(shù)提出了，包括以下步驟:步驟(I)避免視覺系統(tǒng)的適應(yīng)性，將原圖像進(jìn)行多方向多尺度移動(dòng)。設(shè)置某一移動(dòng)距離尺度，對(duì)圖像進(jìn)行多方向移動(dòng)操作。步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)，其中單個(gè)神經(jīng)元的模型采用LIF模型。設(shè)置記錄神經(jīng)元脈沖發(fā)放的觀察時(shí)間，并將觀察時(shí)間劃分成若干個(gè)滑動(dòng)時(shí)間窗口，將第一個(gè)滑動(dòng)時(shí)間窗口設(shè)為當(dāng)前分析時(shí)間窗口。步驟(3)將原圖像以及移動(dòng)后的圖像分別依次輸入到感光層神經(jīng)元網(wǎng)絡(luò)中，網(wǎng)絡(luò)中的神經(jīng)元與輸入圖像的像素點(diǎn)一一對(duì)應(yīng)。記錄當(dāng)前分析時(shí)間窗內(nèi)神經(jīng)元網(wǎng)絡(luò)所有神經(jīng)元的脈沖發(fā)放，并根據(jù)發(fā)放的差異判決神經(jīng)元屬于ON類型或者OFF類型。步驟⑷構(gòu)建一個(gè)3X3的模板，與感光層神經(jīng)元網(wǎng)絡(luò)的3X3區(qū)域進(jìn)行匹配；利用感受野特性構(gòu)建一個(gè)判決器，根據(jù)模板內(nèi)神經(jīng)元類型差異情況對(duì)中心神經(jīng)元的反饋系數(shù)進(jìn)行即時(shí)調(diào)整，而該系數(shù)的變化將在下一個(gè)滑動(dòng)時(shí)間窗口內(nèi)對(duì)中心神經(jīng)元產(chǎn)生不同程度的興奮性或者抑制性作用。將模板對(duì)感光層神經(jīng)元網(wǎng)絡(luò)進(jìn)行遍歷，按上述方法對(duì)每個(gè)神經(jīng)元進(jìn)行作用。步驟(5)將下一個(gè)滑動(dòng)時(shí)間窗口設(shè)為當(dāng)前分析時(shí)間窗口，重復(fù)步驟(3)和步驟(4)，直至觀察時(shí)間結(jié)束，最終獲得觀察時(shí)間內(nèi)的神經(jīng)元網(wǎng)絡(luò)各個(gè)神經(jīng)元的脈沖發(fā)放信息。步驟(6)將原圖像和各移動(dòng)圖像所對(duì)應(yīng)的感光層神經(jīng)元脈沖發(fā)放信息進(jìn)行對(duì)比，按規(guī)則獲得當(dāng)前移動(dòng)距離尺度下，各移動(dòng)方向的圖像多強(qiáng)度邊緣檢測結(jié)果。步驟(7)將當(dāng)前移動(dòng)距離尺度下，各移動(dòng)方向的圖像多強(qiáng)度邊緣檢測結(jié)果進(jìn)行融合，最終獲得當(dāng)前移動(dòng)距離尺度下圖像多強(qiáng)度邊緣檢測結(jié)果。步驟(8)調(diào)整移動(dòng)距離尺度，重復(fù)步驟(I)?(7)，融合不同移動(dòng)距離尺度下的圖像多強(qiáng)度邊緣檢測結(jié)果信息，以實(shí)現(xiàn)去噪功能，按色彩映射規(guī)則獲得最終的圖像多強(qiáng)度邊緣檢測結(jié)果。本專利技術(shù)具有的有益效果為:1、使用符合神經(jīng)生理特性的LIF神經(jīng)元模型，構(gòu)建了具有抑制性或興奮性突觸作用的感光層神經(jīng)元網(wǎng)絡(luò)。2、對(duì)感光層神經(jīng)元的抑制性或興奮性類型進(jìn)行判別，同時(shí)結(jié)合了視覺感光層在視覺感知中的一些重要特性，利用ON和OFF兩類不同神經(jīng)元在感知多強(qiáng)度邊緣時(shí)的互補(bǔ)作用，并以此為基礎(chǔ)進(jìn)行了仿視覺感光層功能的圖像多強(qiáng)度邊緣檢測。3、考慮了圖像多方向多尺度移動(dòng)對(duì)于感光層神經(jīng)元檢測多強(qiáng)度邊緣的影響，提出通過調(diào)節(jié)圖像移動(dòng)距離尺度來實(shí)現(xiàn)噪聲的濾除。【附圖說明】圖1為某移動(dòng)距離尺度下的邊緣檢測流程圖。圖2為不同移動(dòng)距離單元尺度下的邊緣信息融合圖。圖3為感光層神經(jīng)網(wǎng)絡(luò)模型圖。【具體實(shí)施方式】本專利技術(shù)利用了興奮性(ON)和抑制性(OFF)兩類感光層神經(jīng)元在信息編碼時(shí)的重要作用，通過感光層神經(jīng)元的脈沖發(fā)放頻度并結(jié)合圖像多方向多尺度移動(dòng)對(duì)于感光層神經(jīng)元檢測多強(qiáng)度邊緣的影響來刻畫圖像中的多強(qiáng)度邊緣；通過調(diào)節(jié)移動(dòng)尺度來實(shí)現(xiàn)噪聲的濾除得到最終的圖像多強(qiáng)度邊緣。本專利技術(shù)面向圖像多強(qiáng)度邊緣檢測問題，構(gòu)建神經(jīng)元網(wǎng)絡(luò)對(duì)視覺感光層的一些重要特性進(jìn)行模擬，與傳統(tǒng)方法相比，能獲得較滿意的邊緣檢測效果。[0021 ] 本專利技術(shù)具體實(shí)施方法如圖1和圖2所示。步驟⑴對(duì)原始圖像IQ(i，j) (i = 1，2LM; j = 1，2LN)，進(jìn)行某一距離尺度的移動(dòng)，設(shè)在圖像水平和豎直方向的移動(dòng)距離分別為xmove和ymove,對(duì)原始圖像ItlQ, j)從12點(diǎn)方向開始順時(shí)針進(jìn)行移動(dòng)操作，依次獲得8幅移動(dòng)圖像I1?I8，其中=I1Q, j)=10 (i, j-ymove), I2 (i, j) = 10 (i+xmove, j-ymove), I3 (i, j) = 10 (i+xmove, j), I4 (i, j)=10 (i+xmove, j+ymove), I5 (i, j) = 10 (i, j+ymove), I6 (i, j) = 10(1-xmove, j+ymove),I7(i, j) = 10(1-xmove, j), I8(i, j) = 10(1-xmove, j-ymove) (i = I, 2LM; j = I, 2LN)0 在移動(dòng)操作時(shí)，采取對(duì)側(cè)邊界補(bǔ)足的方法來解決邊界越界問題。步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)Neuron (i, j) (i = I, 2LM; j = 1，2LN),感光層神經(jīng)元網(wǎng)絡(luò)中的單個(gè)神經(jīng)元采用LIF模型，如式(I)所示。圖像中每個(gè)像素點(diǎn)輸入到對(duì)應(yīng)的神經(jīng)元。本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種仿視覺感光層功能的圖像多強(qiáng)度邊緣檢測方法，其特征在于該方法包括如下步驟：步驟(1)對(duì)原始圖像I0(i,j)進(jìn)行某一距離尺度的移動(dòng)，具體是：設(shè)在圖像水平和豎直方向的移動(dòng)距離分別為xmove和ymove，對(duì)原始圖像I0(i,j)從12點(diǎn)方向開始順時(shí)針進(jìn)行移動(dòng)操作，依次獲得8幅移動(dòng)圖像I1～I(xiàn)8，其中：I1(i,j)＝I0(i,j?ymove)，I2(i,j)＝I0(i+xmove,j?ymove)，I3(i,j)＝I0(i+xmove,j)，I4(i,j)＝I0(i+xmove,j+ymove)，I5(i,j)＝I0(i,j+ymove)，I6(i,j)＝I0(i?xmove,j+ymove)，I7(i,j)＝I0(i?xmove,j)，I8(i,j)＝I0(i?xmove,j?ymove)，其中i＝1,2LM;j＝1,2LN；步驟(2)構(gòu)建感光層神經(jīng)元網(wǎng)絡(luò)Neuron(i,j)，感光層神經(jīng)元網(wǎng)絡(luò)中的單個(gè)神經(jīng)元采用LIF模型，如式(1)所示；圖像中每個(gè)像素點(diǎn)輸入到對(duì)應(yīng)的神經(jīng)元；CdV(i,j)(t)dt=-V(i,j)(t)R+weight(i,j)×f(i,j)f(i,j)=I(i,j)×1(t)V(i,j)(t)=0,ifV(i,j)(t)>Vthresh---(1)]]>其中C，R分別表示模擬電路的電容和電阻，V(i,j)(t)表示細(xì)胞膜電位；weight(i,j)×f(i,j)表示神經(jīng)元接受的刺激電流，由f(i,j)和（weight(i,j)?1）×f(i,j)兩部分組成：f(i,j)表示激勵(lì)電流，（weight(i,j)?1）×f(i,j)表示反饋電流，weight(i,j)為反饋系數(shù)，是神經(jīng)元網(wǎng)絡(luò)中第i行第j列神經(jīng)元的反饋強(qiáng)度大小，并對(duì)神經(jīng)元網(wǎng)絡(luò)中第i行第j列的神經(jīng)元的反饋電流產(chǎn)生影響，因此weight(i,j)初值設(shè)為1；I(i,j)表示輸入圖像像素點(diǎn)的灰度值，分別對(duì)應(yīng)步驟（1）中的原圖及移動(dòng)后圖像；1(t)為單位階躍信號(hào)；Vthresh為興奮閾值；設(shè)置C＝0.5，R＝20，Vthresh＝16，設(shè)觀察的時(shí)間長度為Tmax，Tmax＝100秒；將觀察時(shí)間總長度Tmax，劃分為40個(gè)時(shí)間長度為Δt1的滑動(dòng)時(shí)間窗，Δt1＝2.5秒；設(shè)置滑動(dòng)時(shí)間窗的初始序號(hào)k=0，并將此滑動(dòng)時(shí)間窗口設(shè)置為當(dāng)前的分析時(shí)間窗口；步驟(3)將歸一化后的各幅圖像分別獨(dú)立輸入到感光層神經(jīng)元網(wǎng)絡(luò)中，當(dāng)V(i,j)(t)大于興奮閾值時(shí)，此時(shí)神經(jīng)元發(fā)放脈沖，然后把V(i,j)(t)重置為0繼續(xù)代入式(1)；記錄神經(jīng)元網(wǎng)絡(luò)中各個(gè)神經(jīng)元在當(dāng)前分析時(shí)間窗口的脈沖發(fā)放次數(shù)，（即第k個(gè)滑動(dòng)時(shí)間窗的脈沖發(fā)放次數(shù)，得到此時(shí)間窗內(nèi)整個(gè)神經(jīng)元網(wǎng)絡(luò)的脈沖平均發(fā)放次數(shù)，對(duì)各個(gè)神經(jīng)元的類型進(jìn)行判斷；具體判決規(guī)則如式(2)和(3)所示；avers=Σi=1,j=1i=M,j=NS(i,j)(t-Δt1,t)M×N---(2)]]>check(i,j)=ONS(i,j)(t-Δt1,t)>aversOFFS(i,j)(t-Δt1,t)≤avers---(3)]]>其中S(i,j)(t?Δt1,t)表示神經(jīng)元網(wǎng)絡(luò)中第i行第j列的神經(jīng)元在當(dāng)前分析時(shí)間窗中的脈沖發(fā)放次數(shù)，averS表示整個(gè)神經(jīng)元網(wǎng)絡(luò)在當(dāng)前分析時(shí)間窗中的脈沖平均發(fā)放次數(shù)；check(i,j)表示神經(jīng)元網(wǎng)絡(luò)中第i行第j列神經(jīng)元的類型判決結(jié)果，當(dāng)某一神經(jīng)元的發(fā)放次數(shù)小于等于平均發(fā)放次數(shù)，則判定為OFF；當(dāng)某一神經(jīng)元的發(fā)放次數(shù)大于平均發(fā)放次數(shù)，則判定為ON；步驟(4)在神經(jīng)元網(wǎng)絡(luò)Neuron(i,j)中，取3×3模板大小的神經(jīng)元子網(wǎng)絡(luò)，根據(jù)所獲得的9個(gè)神經(jīng)元類型判決信息，對(duì)子網(wǎng)絡(luò)中心點(diǎn)神經(jīng)元的反饋系數(shù)weight(i,j)進(jìn)行即時(shí)調(diào)整，如式(4)所示；該反饋系數(shù)的變化將在下一個(gè)分析時(shí)間窗口內(nèi)對(duì)中心點(diǎn)神經(jīng)元產(chǎn)生反饋激勵(lì)；將模板逐漸平移，從而處理整個(gè)神經(jīng)元網(wǎng)絡(luò)；weight(i,j)=weight(i,j)×(1+kc×(ΣOFFcheck(m,n)ΣALLcheck(m,n))2),ifcheck(i,j)=ONweigth(i,j)=weight(i,j)×(1-kc×(ΣONcheck(m,n)ΣALLcheck(m,n))2),ifcheck(i,j)=OFF---(4)]]>是指以神經(jīng)元網(wǎng)絡(luò)中第i行第j列的神經(jīng)元為中心點(diǎn)，其周圍判決結(jié)果為OFF類型的神經(jīng)元個(gè)數(shù)；是指神經(jīng)元網(wǎng)絡(luò)中第i行第j列的神經(jīng)元為中心點(diǎn)，其周圍判決結(jié)果為ON類型神經(jīng)元個(gè)數(shù)；是指模板內(nèi)除去中心神經(jīng)元后的神經(jīng)元個(gè)數(shù)，對(duì)于3×3模板，式(4)中的m＝i?1,i,i+1，n＝...
【技術(shù)特征摘要】
1.一種仿視覺感光層功能的圖像多強(qiáng)度邊緣檢測方法，其特征在于該方法包括如下步驟: 步驟(1)對(duì)原始圖像Itl(Lj)進(jìn)行某一距離尺度的移動(dòng)，具體是:設(shè)在圖像水平和豎直方向的移動(dòng)距離分別為xmove和ymove,對(duì)原始圖像ItlQ, j)從12點(diǎn)方向開始順時(shí)針進(jìn)行移動(dòng)操作，依次獲得8幅移動(dòng)圖像I1~I8，其中=I1(Lj) = 10(i, j-ymove), I2(i, j)=10(i+xmove, j-ymove), I3 (i, j) = 10 (i+xmove, j), I4 (i, j) ...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：范影樂，羅佳駿，武薇，王典，
申請(專利權(quán))人：杭州電子科技大學(xué)，
類型：發(fā)明
國別省市：浙江;33
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。